論文の概要: Bipartite Graph Variational Auto-Encoder with Fair Latent Representation
to Account for Sampling Bias in Ecological Networks
- arxiv url: http://arxiv.org/abs/2403.02011v1
- Date: Mon, 4 Mar 2024 13:12:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 18:48:01.012560
- Title: Bipartite Graph Variational Auto-Encoder with Fair Latent Representation
to Account for Sampling Bias in Ecological Networks
- Title（参考訳）: Ecological Networks におけるサンプルバイアスを考慮した2部グラフ変分自動エンコーダ
- Authors: Emre Anakok, Pierre Barbillon, Colin Fontaine, Elisa Thebault
- Abstract要約: 本研究では,生態ネットワーク研究の課題に対処するためのグラフ埋め込みを用いて,二部ネットワークを表現する手法を提案する。
Spipollデータセットに適用した場合、我々のアプローチが生態ネットワークの理解をどのように変えるかを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a method to represent bipartite networks using graph embeddings
tailored to tackle the challenges of studying ecological networks, such as the
ones linking plants and pollinators, where many covariates need to be accounted
for, in particular to control for sampling bias. We adapt the variational graph
auto-encoder approach to the bipartite case, which enables us to generate
embeddings in a latent space where the two sets of nodes are positioned based
on their probability of connection. We translate the fairness framework
commonly considered in sociology in order to address sampling bias in ecology.
By incorporating the Hilbert-Schmidt independence criterion (HSIC) as an
additional penalty term in the loss we optimize, we ensure that the structure
of the latent space is independent of continuous variables, which are related
to the sampling process. Finally, we show how our approach can change our
understanding of ecological networks when applied to the Spipoll data set, a
citizen science monitoring program of plant-pollinator interactions to which
many observers contribute, making it prone to sampling bias.
- Abstract（参考訳）: 本稿では,植物と受粉者を結びつけるような生態ネットワーク研究の課題,特にサンプリングバイアスの制御のために,二成分ネットワークを表現する手法を提案する。
そこで,2つのノードが接続の確率に基づいて位置付けられた潜在空間に埋め込みを生成することが可能となる。
生態学におけるサンプリングバイアスに対処するために,社会学で一般的に考慮される公平性フレームワークを翻訳する。
最適化した損失に対する追加のペナルティ項としてヒルベルト・シュミット独立基準(hsic)を組み込むことにより、潜在空間の構造がサンプリングプロセスに関連する連続変数とは独立であることを保証する。
最後に,我々のアプローチが,多くのオブザーバが貢献する植物-花粉相互作用の市民科学監視プログラムであるspipoll data setに適用することで,環境ネットワークの理解をいかに変えられるかを示す。
関連論文リスト
- A Self-Organizing Clustering System for Unsupervised Distribution Shift Detection [1.0436203990235575]
本稿では,分布変化のモニタリングと検出のための連続学習フレームワークを提案する。
特に,2つのトポロジ保存マップ(自己組織化マップ)とスケール不変マップ(スケール不変マップ)の投影について検討する。
本手法は教師なしコンテキストと教師なしコンテキストの両方に適用できる。
論文 参考訳（メタデータ） (2024-04-25T14:48:29Z) - Deep Generative Sampling in the Dual Divergence Space: A Data-efficient & Interpretative Approach for Generative AI [29.13807697733638]
自然画像の生成的サンプリングにおける顕著な成果の上に構築する。
我々は、画像に似たサンプルを生成するという、画期的な挑戦を、潜在的に過度に野心的に提案する。
統計上の課題は、小さなサンプルサイズであり、時には数百人の被験者で構成されている。
論文 参考訳（メタデータ） (2024-04-10T22:35:06Z) - Estimating Unknown Population Sizes Using the Hypergeometric Distribution [1.03590082373586]
総人口と構成カテゴリーの規模が不明な場合, 個別分布の推定に挑戦する。
本研究では,連続潜伏変数上での分布条件の混合となるデータ生成過程について考察する。
実験データシミュレーションにより,本手法は数値データをモデル化する他の可能性関数よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-02-22T01:53:56Z) - Joint Bayesian Inference of Graphical Structure and Parameters with a
Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。
サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。
パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文 参考訳（メタデータ） (2023-05-30T19:16:44Z) - StyleGenes: Discrete and Efficient Latent Distributions for GANs [149.0290830305808]
GAN(Generative Adversarial Networks)のための離散潜在分布を提案する。
連続的な先行点から潜在ベクトルを描く代わりに、学習可能な潜在点の有限集合からサンプリングする。
私たちは生物の情報のエンコーディングからインスピレーションを得ます。
論文 参考訳（メタデータ） (2023-04-30T23:28:46Z) - Breaking the Spurious Causality of Conditional Generation via Fairness
Intervention with Corrective Sampling [77.15766509677348]
条件生成モデルは、トレーニングデータセットから急激な相関を継承することが多い。
これは別の潜在属性に対して不均衡なラベル条件分布をもたらす。
この問題を緩和するための一般的な2段階戦略を提案する。
論文 参考訳（メタデータ） (2022-12-05T08:09:33Z) - Interpolation-based Correlation Reduction Network for Semi-Supervised
Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。
この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文 参考訳（メタデータ） (2022-06-06T14:26:34Z) - Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision [56.950950382415925]
クロス擬似監督(CPS)と呼ばれる新しい整合性正規化手法を提案する。
CPS整合性には2つの役割がある: 同じ入力画像に対する2つの摂動ネットワークの予測間の高い類似性を奨励し、擬似ラベル付きラベル付きラベル付きデータを使用することでトレーニングデータを拡張する。
実験の結果,Cityscapes と PASCAL VOC 2012 を用いた半教師付きセグメンテーション性能が得られた。
論文 参考訳（メタデータ） (2021-06-02T15:21:56Z) - When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である
本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。
ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
論文 参考訳（メタデータ） (2020-02-24T11:35:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。